关于城市轨道交通线网规划的探讨

阐明城市轨道交通线网规划的目的就是要实行规划控制。规划研究的方法有经验分析法、客流预测法、公交增长法和多模块网络层次分析法等。规划主要解决的问题包括轨道交通在城市交通中的地位、作用及其网络层次、规模等。辩证理解“线网形态”、“轨道交通制式与敷设方式”、“客流预测”和“换乘形式”等概念？     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

基于分阶段筛选的雷达装备电磁干扰预测方法

针对作战演练对电磁环境的要求,提出了基于分阶段筛选的雷达装备之间电磁干扰预测方法。采用干扰源与接收机逐对考虑的方式,极大简化了计算。并采用分阶段预测的方法,即分成：快速筛选、幅度筛选、频率筛选和详细预测四个阶段进行逐阶段分析和预测,并实现了与地理信息系统相结合的软件可视化操作。     

我国近期道路交通事故发展趋势分析与预测

在讨论发达国家交通事故发展变化规律及我国道路交通安全现状的基础上,对我国近期交通安全形势进行分析,并采用灰色系统理论对我国未来五年的交通事故总量进行预测。对于提高道路安全水平具有积极的意义。     

城市群客流生成预测精度控制模型研究

城市群客流生成预测是城市群轨道交通规划中客流预测的主要组成部分,其预测精度将直接影响轨道交通客流预测精度,进而影响轨道交通规划的合理性.在分析城市群客流生成特点的基础上,提出客流生成阶段预测精度控制分为小区划分精度控制、预测方法选择、建模精度控制及模型计算结果调整4个阶段的思路;详细论述后2个阶段的精度控制内容,在模型计算结果调整中提出区域对外交通调整、空间调整、发生总量平衡调整及发生吸引平衡调整4个调整内容,并建立调整模型.     

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。     

公路客运运力结构配置

运力配置合适与否不仅关系到客运企业经济效益的好坏,而且也是评价客运方式服务质量和服务水平的一项重要指标,并将直接影响其市场占有率。研究运力配置对公路客运企业、对客运消费者及区域经济都有很大意义。在对高速公路客运运力影响因素充分分析基础上,通过对公路客运量预测影响因素进行分析,建立了公路客运量预测模型,对未来目标年的客运需求量进行了预测、计算,确定运力结构配置方案。     

基于GM(1,1)模型的交通客运量发展预测

采用灰色系统理论中的GM(1,1)模型,选取2001~2005年我国客运运量数据,分别建立了铁路、公路和民航客运周转量的预测模型,经检验,模型精度等级较高。应用所建模型进行了2006~2010年客运周转量预测,并对照2006年实际运量数据,证明预测结果精度较高。最后讨论了GM(1,1)预测模型在运量预测实际应用中的指标选取、模型检验和应用范围。     

高速公路养护成本预测模型

为了降低高速公路养护成本,运用边际成本管理原理,建立高速公路交通流量、道路长度与养护成本之间的多元回归分析数学模型,针对预防养护和专项工程养护方式,运用统计方法,推导了各项因素的边际成本表达式,提出高速公路养护作业成本的预测模型及成本管理的边际成本和弹性指数的概念,计算了交通流量、道路长度与养护成本相关的弹性指数,分析了与交通流量相关的高速公路养护费用经济指标。计算结果表明:交通流量和高速公路长度对养护维修成本起决定作用,维修费用随交通流量和道路长度成对数关系变化,而高速公路养护维修平均费用随着交通流量增加而降低。     

基于用地和交通特征的停车需求预测模型

为了解决城市停车难问题,对停车需求进行合理预测,考虑目前日益紧张的土地资源和快速增长的交通流量,分析了用地与交通影响预测模型建立的基本原理,采用用地特征函数描述了土地使用性质与停车生成率之间的关系,采用交通影响函数分析了路网流量增长率和停车率对停车需求的影响,在此基础上建立了停车需求预测模型。利用开发的软件系统,根据典型区域的土地资源规划和道路交通调查数据,进行了城市停车需求预测。预测结果表明:随着时间的变化,在各种因素影响下,停车需求近5 a增长较缓慢,而在随后的5 a中停车需求快速增长,且日停车需求量的增长速度明显高于高峰小时的增长速度。